Abstract An extended surface was used for the thermal analysis, where different optimization algorithms were compared. The thermal conductivity, heat transfer coefficient and surface emissivity were considered non-linear, temperature-dependent. The direct analysis involved pdepe solver, which was validated with Differential Transform Method (DTM) and finite difference method (FDM). An experiment was also conducted to obtain the temperature profile. Furthermore, a sensitivity analysis was done and critical parameters Φ, β, Nc, Nr, Bi, Nbr were reported, which were estimated using the combination of regularization techniques and optimization algorithms by the inverse approach. A comparison of linear least squares, Tikhonov regularization, Lasso estimator and elasticnet regularization have been done. It has been reported that elasticnet (90% lasso and 10% Ridge) objective function was best, with α = 10−4. A case study based on computational and the experimental temperature profile, to compare optimization algorithms, namely, Differential evolution (DE), Particle swarm optimization (PSO), Whale optimization algorithm (WOA), Water cycle algorithm (WCA), hybrid of the Grey wolf optimization-Cuckoo search (GWOCS), Butterfly optimization algorithm (BOA) and Atom search algorithm (ASO) was done. The top three algorithms reported in case I, were BOA, WOA and WCA with performance parameter 0.77, 0.75, 0.74, whereas in case II, were WOA, BOA and WCA with performance parameter 0.78, 0.60 and 0.50 respectively.

中文翻译：

---

一种扩展表面实验装置逆传热分析的新比较方法

摘要 热分析采用扩展曲面，比较了不同的优化算法。热导率、传热系数和表面发射率被认为是非线性的，与温度有关。直接分析涉及 pdepe 求解器，该求解器已通过微分变换法 (DTM) 和有限差分法 (FDM) 进行验证。还进行了实验以获得温度分布。此外，还进行了敏感性分析并报告了关键参数 Φ、β、Nc、Nr、Bi、Nbr，这些参数是通过逆方法结合使用正则化技术和优化算法进行估计的。已经完成了线性最小二乘法、Tikhonov 正则化、Lasso 估计器和 elasticnet 正则化的比较。据报道，elasticnet（90% lasso 和 10% Ridge）目标函数最好，α = 10−4。基于计算和实验温度剖面的案例研究，比较优化算法，即差分进化 (DE)、粒子群优化 (PSO)、鲸鱼优化算法 (WOA)、水循环算法 (WCA)、灰色的混合狼优化-布谷鸟搜索（GWOCS）、蝴蝶优化算法（BOA）和原子搜索算法（ASO）完成。案例 I 中报告的前三种算法是 BOA、WOA 和 WCA，性能参数分别为 0.77、0.75、0.74，而在案例 II 中，性能参数分别为 WOA、BOA 和 WCA，性能参数分别为 0.78、0.60 和 0.50。比较优化算法，即差分进化（DE），粒子群优化（PSO），鲸鱼优化算法（WOA），水循环算法（WCA），灰狼优化-布谷鸟搜索（GWOCS）的混合，蝴蝶优化算法(BOA) 和 Atom 搜索算法 (ASO) 完成。案例 I 中报告的前三种算法是 BOA、WOA 和 WCA，性能参数分别为 0.77、0.75、0.74，而在案例 II 中，性能参数分别为 WOA、BOA 和 WCA，性能参数分别为 0.78、0.60 和 0.50。比较优化算法，即差分进化（DE），粒子群优化（PSO），鲸鱼优化算法（WOA），水循环算法（WCA），灰狼优化-布谷鸟搜索（GWOCS）的混合，蝴蝶优化算法(BOA) 和 Atom 搜索算法 (ASO) 完成。案例 I 中报告的前三种算法是 BOA、WOA 和 WCA，性能参数分别为 0.77、0.75、0.74，而在案例 II 中，性能参数分别为 WOA、BOA 和 WCA，性能参数分别为 0.78、0.60 和 0.50。